es
Feedback
DLeX: AI Python

DLeX: AI Python

Ir al canal en Telegram

هوش‌مصنوعی و برنامه‌نویسی توییتر : https://twitter.com/NaviDDariya تا آزادی ایران از جمهوری اسلامی تبهکار، تبلیغات نداریم.

Mostrar más

📈 Análisis del canal de Telegram DLeX: AI Python

El canal DLeX: AI Python (@ai_python) en el segmento lingüístico de Farsi es un actor destacado. Actualmente la comunidad reúne a 21 501 suscriptores, ocupando la posición 6 202 en la categoría Tecnologías y Aplicaciones y el puesto 15 588 en la región Irán.

📊 Métricas de audiencia y dinámica

Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 21 501 suscriptores.

Según los últimos datos del 10 julio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 58, y en las últimas 24 horas de 1, conservando un alto alcance.

  • Estado de verificación: No verificado
  • Tasa de interacción (ER): El promedio de interacción de la audiencia es 11.44%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 4.04% de reacciones respecto al total de suscriptores.
  • Alcance de las publicaciones: Cada publicación recibe en promedio 2 459 visualizaciones. En el primer día suele acumular 868 visualizaciones.
  • Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 16.
  • Intereses temáticos: El contenido se centra en temas clave como مصنوعی, توییتر, ماهواره, داده, فناوری.

📝 Descripción y política de contenido

El autor describe el recurso como un espacio para expresar opiniones subjetivas:
هوش‌مصنوعی و برنامه‌نویسی توییتر : https://twitter.com/NaviDDariya تا آزادی ایران از جمهوری اسلامی تبهکار، تبلیغات نداریم.

Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 11 julio, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Tecnologías y Aplicaciones.

21 501
Suscriptores
+124 horas
+67 días
+5830 días
Archivo de publicaciones
پروفسور استرنگ کورسی هم برای یادگیری ماشینی و برخی مباحث یادگیری عمیق تدریس کرده اند که در لینک زیر میتونین به ویدیوهای این کورس دسترسی داشته باشین: لینک

fastai—A Layered API for Deep Learning https://www.fast.ai//2020/02/13/fastai-A-Layered-API-for-Deep-Learning/ Complete documentation and tutorials: https://docs.fast.ai/

✳ آموزش برنامه نویسی پایتون – مقدماتی ▫ نحوه نصب و راه اندازی ▫ ساختمان داده ▫ توابع و ماژول ها ▫ کلاس ▫ خواندن و نوشتن فایل
✳ آموزش برنامه نویسی پایتون – مقدماتی ▫ نحوه نصب و راه اندازی ▫ ساختمان داده ▫ توابع و ماژول ها ▫ کلاس ▫ خواندن و نوشتن فایل ها و ... 👈 🔗 لینک : fdrs.ir/yz2k @FaraDars - فرادرس .

آموزش خیلی مفیدی Latent Structure Models for NLP #پردازش_زبان_طبیعی #آموزش #کتاب #منابع #nlp 🗣 @AI_Python_arXiv ✴️ @AI_Python_EN ❇️ @AI_Python

دوستان عزیزی که میخواهند در این کارگاه‌ها شرکت کنند در نظر داشته باشند که مطالب کارگاه " آشنایی با کراس/ تنسورفلو" پیش‎‌نیاز شرکت در دوره‌ی "شبکه‌های مولد تخاصمی (GAN) و پیاده‌سازی در کراس / تنسورفلو" است. ✅ https://t.me/mvip_2020/150

#کارگاه_های_آموزشی_کنفرانس ✅ کارگاه آموزشی: آشنایی با کراس/ تنسورفلو 👈 برای شرکت در این کارگاه‌ها ثبت نام در کنفرانس ضروری ن
#کارگاه_های_آموزشی_کنفرانس ✅ کارگاه آموزشی: آشنایی با کراس/ تنسورفلو 👈 برای شرکت در این کارگاه‌ها ثبت نام در کنفرانس ضروری نیست، اما دانشجویان به خصوص دانشجویان دانشگاه‌های شهر قم و تمامی دانشجویان دانشگاه تهران می‌توانند با ثبت نام رایگان در کنفرانس، با تخفیف ویژه در این کارگاه‌ها ثبت نام و شرکت کنند. https://mvip2020.ut.ac.ir/performa?_action=wks&lang=fa http://mvip2020.ut.ac.ir @mvip_2020

Mysterious radio signals from space have been known to repeat, but for the first time, researchers have noticed a pattern in a series of bursts coming from a single source half a billion light-years from Earth. Link: https://t.co/y4hgBhqaco

💎 ثبت‌نام گام نهایی آغاز شد! ▫️ هم‌اکنون می‌توانید با تکمیل پروفایل و تشکیل تیم‌های خود در سایت برای گام نهایی DataDays ثبت‌
💎 ثبت‌نام گام نهایی آغاز شد! ▫️ هم‌اکنون می‌توانید با تکمیل پروفایل و تشکیل تیم‌های خود در سایت برای گام نهایی DataDays ثبت‌نام کنید. ▫️ برای آشنایی بیشتر با DataDays سایت و کانال را دنبال کنید. 🔷 ثبت‌نام کنید:‌ 🔗 datadays.sharif.edu/go/CreateYourTeamNow 💠 @datadays_sharif

گرافها و یادگیری ماشین #الگوریتمها #منابع #یادگیری_ماشین #کتاب #آموزش #machinelearning #book 🗣 @AI_Python_arXiv ✴️ @AI_Python_EN ❇️ @AI_Python

دوستان عزیزی که علاقمند به شرکت در این دوره هستند این پست پیشنیازی برای این پست میباشد که شما بایستی ابتدا اگر پیش زمینه ای از پکیجهای Keras و TensorFlow ندارین ابتدا این مورد شرکت کنید و سپس پیشرفته آن که در لینک زیر امده است : ✅ https://t.me/ai_python/10574

#کارگاه_های_آموزشی_کنفرانس ✅ کارگاه آموزشی: آشنایی با کراس/ تنسورفلو 👈 برای شرکت در این کارگاه‌ها ثبت نام در کنفرانس ضروری ن
#کارگاه_های_آموزشی_کنفرانس ✅ کارگاه آموزشی: آشنایی با کراس/ تنسورفلو 👈 برای شرکت در این کارگاه‌ها ثبت نام در کنفرانس ضروری نیست، اما دانشجویان به خصوص دانشجویان دانشگاه‌های شهر قم و تمامی دانشجویان دانشگاه تهران می‌توانند با ثبت نام رایگان در کنفرانس، با تخفیف ویژه در این کارگاه‌ها ثبت نام و شرکت کنند. https://mvip2020.ut.ac.ir/performa?_action=wks&lang=fa http://mvip2020.ut.ac.ir @mvip_2020

هر روز کتابهای پایتون و الگوریتمهای هوش مصنوعی را اینجا منتشر میکنیم ✅ @MachineLearningBook

Reading and Writing Data with Pandas #پایتون #منابع #آموزش #PYTHON 🗣 @AI_Python_arXiv ✴️ @AI_Python_EN ❇️ @AI_Python

لکچر lecture دکتر Stephen Clark در مورد Applications: Statistical Machine Translation #ترجمه_ماشینی #آمار #منابع #کتاب #یادگیری_ماشین #پردازش_زبان_طبیعی #machinelearning #machinetranslation #NLP 🗣 @AI_Python_arXiv ✴️ @AI_Python_EN ❇️ @AI_Python

۴۱ سوال ضروری یادگیری ماشین که در مصاحبه باید دانست #یادگیری_ماشین #منابع #آموزش #کتاب #machinelearning #book 🗣 @AI_Python_arXiv ✴️ @AI_Python_EN ❇️ @AI_Python

۲۰ کتابخانه پایتونی 20 Python Libraries You Aren’t Using (But Should) #پایتون #منابع #کتاب #book #python 🗣 @AI_Python_arXiv ✴️ @AI_Python_EN ❇️ @AI_Python

📌 مدرسه زمستانه هوش مصنوعی IPM از 7 تا 9 اسفند 🎓 اعطای مدرک معتبر و رسمی ✅ ثبت نام برای عموم آزاد است 💯 تخفیف ویژه ثبت نام
📌 مدرسه زمستانه هوش مصنوعی IPM از 7 تا 9 اسفند 🎓 اعطای مدرک معتبر و رسمی ✅ ثبت نام برای عموم آزاد است 💯 تخفیف ویژه ثبت نام زودهنگام و گروهی #اسفند1398 #Winter_School #Artificial_Intelligence #Workshop #Linux #Python #Machine_Vision #Machine_Learning #Deep_Learning #FK #OpenCV #TensorFlow #Tehran #IPM #SCS 🔗 evand.com/events/aiws 🌐 scs.ipm.ac.ir 📣 @convent

📌 مدرسه زمستانه هوش مصنوعی IPM از 7 تا 9 اسفند 📌 کارگاه آموزشی لینوکس و پردازش ابری 1 اسفند 📌 کارگاه آموزشی برنامه نویسی پ
📌 مدرسه زمستانه هوش مصنوعی IPM از 7 تا 9 اسفند 📌 کارگاه آموزشی لینوکس و پردازش ابری 1 اسفند 📌 کارگاه آموزشی برنامه نویسی پایتون 2 اسفند 🎓 اعطای مدرک معتبر و رسمی ✅ ثبت نام برای عموم آزاد است 💯 تخفیف ویژه ثبت نام زودهنگام و گروهی #اسفند1398 #Winter_School #Artificial_Intelligence #Workshop #Linux #Python #Machine_Vision #Machine_Learning #Deep_Learning #FK #OpenCV #TensorFlow #Tehran #IPM #SCS 🔗 evand.com/events/aiws 🔗 evand.com/events/aiws-unix 🔗 evand.com/events/aiws-py 🌐 scs.ipm.ac.ir 📣 @convent

If a statistician is given data and asked to extract insights from it, there are a number of considerations. Here are some of them. What is the motivation for the analysis? Who will use the results, when will they use them and for what purpose? Am I clear on the meaning of the data? Codebooks are often of little help in answering this question. Are there other data or background information that should be used in the analysis? How clean are the data? Have they been recoded or transformed in any way? Have some fields been imputed? If so, how? Will recoding, transformations or imputations be needed? If there are missing data, why are they missing? Which variables do we need to explain or predict? Which variables will we use to predict them? On the other hand, is unsupervised learning best? Will a single model do, or are there subgroups or latent segments in the data that need to incorporated into the modeling? Would a hierarchical model be appropriate? If the data are longitudinal or time-series, there are a host of issues that will need to be addressed. When mining any data, patterns will found which cannot be explained and have no clear utility to decision makers or other researchers. The above would apply even if the statistician is an AI. ❇️ @AI_Python

We are pleased to announce that with help of Mr. Feizi the bot is alive again :) meet our bot here: 🗣 @ai_python_arxiv